Динамические эконометрические модели реферат
Обновлено: 02.07.2024
Распределенные лаги: геометрический лаг, полиномиальный лаг. Преобразование Койка и непосредственное нелинейное оценивание параметров геометрического лага. Частичная корректировка. Адаптивные ожидания. Проблемы оценивания и анализа.
5. Практические занятия
Таблица 3. Практические занятия
№ | № раздела дисциплины | Наименование тем |
1 | 1 | Измерения в экономике |
2 | 2 | Линейная регрессия и корреляция |
3 | 2 | Дисперсионный анализ |
4 | 2 | Построение интервального прогноза по линейному уравнению регрессии |
5 | 2 | Нелинейная регрессия |
6 | 2 | Корреляция для нелинейной регрессии |
7 | 3 | Множественные уравнения регрессии |
8 | 3 | Уравнения регрессии с фиктивными переменными |
9 | 4 | Исследование случайной составляющей e: (предпосылки МНК) |
10 | 5 | Структурные модели |
11 | 6 | Аддитивная модель. Мультипликативная модель. |
12 | 6 | Автокорреляция |
13 | 6 | Авторегрессия |
14 | 7 | Модели с распределенным лагом |
Краткие характеристики практических занятий.
Парная регрессия и корреляция.
Задание. Эконометрический анализ парной регрессии и корреляции.
Оценка. Формирует необходимые представления о применимости того или иного статистического инструментария к заданному классу задач.
Время выполнения заданий: 5 часов.
Множественная регрессия и корреляция.
Задание. Эконометрический анализ множественной регрессии и корреляции.
Оценка. Формирует типологию множественной регрессии, способы оценки значимости модели и возможность использования моделей для моделирования экономических процессов.
Время выполнения задания: 5 часов.
Метод наименьших квадратов.
Задание. Проведение анализа предпосылок МНК.
Исполнение: решение задачи. Использование математико-статистического инструментария подготовки исходных данных и метода решения. Интерпретация результатов решения.
Оценка. Формирует необходимые представления о возможностях использования МНК.
Время выполнения заданий: 3 часа.
Системы экономических уравнений.
Задание. Проведение идентификации системы. Нахождение параметров уравнений системы.
Исполнение: решение задачи. Интерпретация результатов решения.
Оценка. Формирует необходимые представления о возможностях использования систем эконометрических уравнений в экономическом анализе.
Время выполнения заданий: 4 часа.
Моделирование одномерных временных рядов.
Задание. Анализ рядов динамики. Построение трендовых моделей, аддитивных и мультипликативных моделей. Анализ автокорреляции уровней и остатков временных рядов.
Исполнение: решение задачи. Интерпретация результатов решения.
Оценка. Формирует необходимые представления о возможностях использования трендовых моделей в экономическом анализе.
Время выполнения заданий: 10 часов.
Динамические эконометрические модели.
Задание. Анализ временных рядов. Построение моделей авторегрессии, моделей с распределенным лагом.
Исполнение: решение задачи. Интерпретация результатов решения.
Оценка. Формирует необходимые представления о возможностях использования динамических эконометрических моделей в экономическом анализе.
Время выполнения заданий: 7 часов.
Раздел: Экономика
Количество знаков с пробелами: 38546
Количество таблиц: 10
Количество изображений: 6
В эконометрическом анализе исследуются воздействия ряда экономических факторов на результативную переменную, осуществляющих как мгновенно, так и с некоторым запаздыванием.
В качестве причин запаздывания рассматриваются следующие:
‒ Психологические факторы, выражающиеся в инертности поведения людей;
‒ Технологические факторы;
‒ Институциональные факторы;
‒ Механизмы формирования экономических показателей.
Содержание работы
Введение 2
1 Динамические эконометрические модели 3
1.1 Модели с распределенным лагом 4
1.2 Основные случаи структуры лага 6
2 Метод лагов Алмон 8
3 Метод Койка 10
4 Оценка параметров авторегрессии 12
5 Модели адаптивных ожиданий 14
Заключение 24
Список использованных источников 25
Файлы: 1 файл
Курсовая методы койка и алмона.docx
Содержание
1 Динамические эконометрические модели 3
1.1 Модели с распределенным лагом 4
1.2 Основные случаи структуры лага 6
2 Метод лагов Алмон 8
3 Метод Койка 10
4 Оценка параметров авторегрессии 12
5 Модели адаптивных ожиданий 14
Список использованных источников 25
Введение
В эконометрическом анализе исследуются воздействия ряда экономических факторов на результативную переменную, осуществляющих как мгновенно, так и с некоторым запаздыванием.
В качестве причин запаздывания рассматриваются следующие:
‒ Психологические факторы, выражающиеся в инертности поведения людей;
‒ Технологические факторы;
‒ Институциональные факторы;
‒ Механизмы формирования экономических показателей.
Эконометрическую модель называют динамической, если эта модель отражает динамику последующих переменных в каждый момент времени, т.е. если в данный момент времени t она учитывает значения входящих в нее переменных, относящихся как к текущему, так и к предыдущим моментам времени.
Динамические модели используются при изучении зависимостей между показателями, для анализа развития во времени которых, в качестве объясняющих переменных используются как текущие значения переменных, так и предыдущие во времени, а также само время t.
1 Динамические эконометрические модели
Динамические эконометрические модели – это модели, которые в данный момент времени учитывают значения входящих в неё переменных, относящихся к текущему и предыдущему моментам времени.
Все ДЭМ условно разделяются на 2 вида:
- Модели, в которых лаговые значения переменных непосредственно включены в модель;
- Модели, в которых включены переменные, характеризующие желаемый или ожидаемый уровень результативного признака или одного из факторов в момент t.
Модели, в которых лаговые значения переменных непосредственно включены в модель делятся на 2 вида:
- Модели с распределенным лагом – это модели, в которых наряду с текущими значениями факторных переменных содержатся их лаговые значения:
где величину е – характеризующую запаздывание в воздействии фактора на результат называют лагом.
- Авторегрессионные модели – модели, в которых лаговые значения результата (эндогенные переменные) входят в модель в качестве факторных переменных.
Временная лаговая переменная возникает вследствие действия многих факторов, которые формируют изменения результативного признака в прошлые моменты времени. Например, на выручку от реализации текущего периода оказывают влияние расходы на рекламу в предыдущие моменты времени.
Модели, в которые включены переменные, характеризующие ожидаемый или желаемый уровень результативного признака или одного из факторов в момент времени t.
Этот уровень считается неизвестным и определяется с учетом информации, которой располагают в предыдущий момент времени (t-1).
Данные модели делятся на 2 вида:
- Модели адаптивных ожиданий – модели, в которых учитывается ожидаемо е значение факторного признака xt+1. Например, ожидаемое в период (t+1) значение ЗП влияет на уровень безработицы в текущий период t.
- Модели неполной корректировки – это модели, в которых учитывается ожидаемое значение результативного признака yt. Например, фактический объем прибыли xt влияет на величину желаемого объема дивидендов yt.
Особенности построения ДЭМ заключаются:
- В выборе определения структуры временного лага;
- В использовании специальных методов параметризации вследствие нарушения предпосылок МНК;
- В наличии взаимосвязей между двумя динамическими моделями. И в некоторых случаях нужно осуществить переход от типа модели к другому.
1.1 Модели с распределенным лагом
где b0 – краткосрочный мультипликатор, он характеризует среднее абсолютное изменение yt при изменении x1 на 1 единицу в момент t без учета лаговых переменных.
В момент (t+1) совокупное воздействие переменной xt на результативный показатель yt составит: (b0+b1). В момент (t+2) соответственно (b0+b1+b2) и т.д.
Если bi имеют одинаковые знаки, то βi >0 и =>
Таким образом, βi является весом для соответствующих значений bi и βi измеряют долю общего изменения результативного признака в момент (t+i). Средним лагом называется лаг, который находится как средняя арифметическая взвешенная:
Средний лаг представляет собой средний период, в течение которого изменяется эндогенная переменная под воздействием экзогенной переменной в данный момент времени t. Чем выше величина среднего лага, тем более длительный период необходим для эндогенного фактора на изменение экзогенного фактора.
Медианный лаг – это лаг, для которого выполняется условие:
приблизительно 0,5 (4)
Медианное значение лага предполагает расчет периода, в течении которого будет реализовано половина общего воздействия экзогенной переменной на эндогенную (х на у).
Пример: по результатам изучения зависимости объема продаж за месяц от расходов на рекламу была получена следующая модель с распределенным лагом:
b0 = 4,5 - краткосрочный мультипликатор - он показывает, что увеличение расходов на рекламу на 1 млн.р. приведет к увеличению объемов продаж на 4,5 млн.р.
b = =4,5 +3+1,5+0,5=9,5 – долгосрочный мультипликатор, который показывает, что в долгосрочной перспективе (через 3 месяца) увеличение расходов на рекламу на 1 млн.р. в настоящий момент времени приведет к общему росту объем продаж на 9,5 млн.
Относительные коэффициенты регрессии:
β0 = 4,5/9,5 = 0,4737 β1 = 3/9,5 = 0,3158 β2 = 1,5/9,5 = 0,1579 β0 = 0,5/9,5 = 0,052
Следовательно: 47,37 % общего увеличения объема продаж, вызванного ростом затрат на рекламу, происходит в текущий момент времени:
31,58% - в момент (t+1)
15,79% - в момент (t+2)
5,2% - в момент (t+1)
Небольшая величина е структуре лага основано на рассуждениях экономического характера и проведенных ранее экономических исследованиях.
2. Модели, в которых включены переменные, характеризующие желаемый или ожидаемый уровень результативного признака или одного из факторов в момент t.
Модели, в которых лаговые значения переменных непосредственно включены в модель делятся на 2 вида:
1. Модели с распределенным лагом — это модели, в которых наряду с текущими значениями факторных переменных содержатся их лаговые значения:
где величину е — характеризующую запаздывание в воздействии фактора на результат называют лагом.
2. Авторегрессионные модели — модели, в которых лаговые значения результата (эндогенные переменные) входят в модель в качестве факторных переменных.
Временная лаговая переменная возникает вследствие действия многих факторов, которые формируют изменения результативного признака в прошлые моменты времени. Например, на выручку от реализации текущего периода оказывают влияние расходы на рекламу в предыдущие моменты времени.
Модели, в которые включены переменные, характеризующие ожидаемый или желаемый уровень результативного признака или одного из факторов в момент времени t.
Этот уровень считается неизвестным и определяется с учетом информации, которой располагают в предыдущий момент времени (t-1).
Данные модели делятся на 2 вида:
1. Модели адаптивных ожиданий — модели, в которых учитывается ожидаемое значение факторного признака x t+1 . Например, ожидаемое в период (t+1) значение ЗП влияет на уровень безработицы в текущий период t.
2. Модели неполной корректировки — это модели, в которых учитывается ожидаемое значение результативного признака y t . Например, фактический объем прибыли xt влияет на величину желаемого объема дивидендов yt.
Особенности построения ДЭМ заключаются:
Эконометрическая модель
. факторных переменных Х); - модели авторегрессии (объясняют поведение результативного признака в зависимости от предыдущих значений результативных переменных; модели ожиданий (объясняют поведение результативного признака в зависимости от будущих значений факторных переменных). В регрессионных моделях с одним уравнением результативный признак представляется .
1. В выборе определения структуры временного лага;
2. В использовании специальных методов параметризации вследствие нарушения предпосылок МНК;
3. В наличии взаимосвязей между двумя динамическими моделями. И в некоторых случаях нужно осуществить переход от типа модели к другому.
1.1 Модели с распределенным лагом
где b 0 — краткосрочный мультипликатор, он характеризует среднее абсолютное изменение yt при изменении x1 на 1 единицу в момент t без учета лаговых переменных.
В момент (t+1) совокупное воздействие переменной x t на результативный показатель yt составит: (b0 +b1 ).
В момент (t+2) соответственно (b0 +b1 +b2 ) и т.д.
Таким образом, в i является весом для соответствующих значений bi и вi измеряют долю общего изменения результативного признака в момент (t+i).
Средним лагом называется лаг, который находится как средняя арифметическая взвешенная:
Средний лаг представляет собой средний период, в течение которого изменяется эндогенная переменная под воздействием экзогенной переменной в данный момент времени t. Чем выше величина среднего лага, тем более длительный период необходим для эндогенного фактора на изменение экзогенного фактора.
Медианный лаг — это лаг, для которого выполняется условие:
приблизительно 0,5 (4)
Медианное значение лага предполагает расчет периода, в течении которого будет реализовано половина общего воздействия экзогенной переменной на эндогенную (х на у).
Пример: по результатам изучения зависимости объема продаж за месяц от расходов на рекламу была получена следующая модель с распределенным лагом:
b 0 = 4,5 — краткосрочный мультипликатор — он показывает, что увеличение расходов на рекламу на 1 млн.р. приведет к увеличению объемов продаж на 4,5 млн.р.
долгосрочный мультипликатор, который показывает, что в долгосрочной перспективе (через 3 месяца) увеличение расходов на рекламу на 1 млн.р. в настоящий момент времени приведет к общему росту объем продаж на 9,5 млн.
Относительные коэффициенты регрессии:
в 0 = 4,5/9,5 = 0,4737 в1 = 3/9,5 = 0,3158 в2 = 1,5/9,5 = 0,1579 в0 = 0,5/9,5 = 0,052
Классическая и кейнсианская модель макроэкономического равновесия
. Цель курсовой работы Исходя из поставленной цели, в работе определены следующие задачи: Дать характеристику макроэкономического равновесия. Раскрыть теоретические аспекты равновесия в макроэкономике. Рассмотреть методологические основы классической модели макроэкономического равновесия Рассмотреть методологические основы кейнсианской теории. .
Следовательно: 47,37 % общего увеличения объема продаж, вызванного ростом затрат на рекламу, происходит в текущий момент времени:
31,58% — в момент (t+1)
15,79% — в момент (t+2)
5,2% — в момент (t+1)
Небольшая величина е 1.2 Основные случаи структуры лага
Применение обычного МНК к таким моделям в большинстве случаев затруднено по следующим причинам:
1) Текущие лаговые значения независимой переменной, как привило, тесно связаны (мультиколлинеарность).
2) При большой величине лага снижается число наблюдений, по которым строится модель и увеличивается число ее факторных признаков, что ведет к потере степеней свободы в модели.
3) В моделях с распределенным лагом часто возникает проблема автокорреляции остатков.
Все это приводит к тому, что получаются неустойчивые и неэффективные оценки параметров, поэтому в большинстве случаев предположение о структуре лага основано на рассуждениях экономического характера и проведенных ранее экономических исследованиях.
Лаги Алмон — лаги, которые имеют структуру, описываемую с помощью полиномов различных порядков (степень полинома R меньше максимальной величины лага e)
В этом случае зависимость b i от величины лага в форме полинома R можно записать:
Тогда коэффициенты модели (1) b i можно записать :
Подставим (6) в (1)
Стохастические модели общего равновесия оценивание динамических .
. Модель может содержать (и обычно содержит) стохастическую составляющую, которая заключается в описании всех структурных шоков в экономике и каким образом они воздействуют на различные переменные. Построение теоретической макроэкономической модели . между собой параметрами. Вопрос о том, когда DSGE модель может быть . наконец, эконометрическое оценивание. В этом эссе мы обсудим только последний шаг, .
Таким образом, модель примет вид:
Алгоритмы применения метода Алмон:
1) Определение максимальной величины лага е
2) Определение степени полинома R, описывающий структуру лага (R 6. Практическое применение динамических эконометрических моделей
Для исходных данных таблицы 1 по значениям ВВП и экспорта выполнить:
1) Графическое отображение и коинтеграцию временных рядов;
2) Построение и оценку модели авторегрессии;
3) Построение модели с распределенным лагом для l=4 в предположении, что структура лага описывается полиномом второй степени;
4) Построение модели с распределенным лагом методом Койка;
5) Определение серединного и медианного лага для каждой модели;
6) Оценку полученных результатов.
Таблица 1 Валовый внутренний продукт, 1959-2006 гг.
Построим графики временных рядов y t и xt :
Рис. 1 Вид диаграммы динамики ВВП и экспорта в России
Видно, что тенденции этих рядов совпадают. Выполним проверку гипотезы H 0 об отсутствии коинтеграции между рядами ВВП и экспорта.
Уравнение парной регрессии между y t и xt и графическое сглаживание этой зависимости приведено ниже, показаны все статистические характеристики уравнения.
Рис. 2 Вид диаграммы рассеяния для зависимости ВВП и экспорта
Таким образом, получили уравнение
Используя полученное уравнение, определим теоретические значения и погрешности.
Таблица 2 Фрагмент рабочего листа после добавления к исходным данным теоретических значений и погрешностей
Выполнили оценку парной регрессии для погрешностей. В результате получили:
Критическое значение ф, рассчитанные Инглом и Грэнджером для уровня значимости 5%, составляет 1,9439. В нашем случае, фактическое значение составляет 9,01, которое превышает табличное. Следовательно, гипотезу об отсутствии коинтеграции между рядами отклоняем и изменение переменной y t происходит параллельно с изменением переменной xt .
Построение модели авторегрессии.
Таблица 3 Построение модели авторегрессии
Для того. Чтобы построить модель авторегрессии, нам нужно сдвинуть исходные данные на единицу вниз. Для полученных данных выполним построение парной регрессии и расчет основных статистических характеристик.
В результате получаем уравнение:
Выполним построение уравнения с распределенным лагом вида:
Для этого проще всего создать таблицу новых исходных данных, содержащую три переменные: ВВП, экспорт и экспорт со сдвигом на 1 период. После применения инструментов множественной регрессии получим таблицу результатов, приведенную ниже.
Получаем уравнение вида:
Учитывая значения коэффициентов парного уравнения регрессии и уравнения с распределенным лагом найдем коэффициенты уравнения регрессии:
Уравнение авторегрессии имеет вид:
Для оценки уравнения регрессии на наличие автокорреляции в остатках выполняется расчет статистика Дарбина-Уотсона. Для этого необходимо построить расчетную таблицу, содержащую значения x t , yt , yt-1, теоретические значения yt по уравнению авторегрессии и погрешности.
Таблица 4 Фрагмент рабочей таблицы для расчета статистики Дарбина-Уотсона
Теоретические значения Y(t) по ур-ию авторегрессии
По моим расчетам d=0.4125, h=5,5165. Из этого следует, что нулевая гипотеза об отсутствии положительной автокорреляции остатков отклоняется.
Расчет параметров авторегрессии по исходным данным:
Рис. 4 Расчет параметров авторегрессии
Построение модели Койка.
При известных коэффициентах модели авторегрессии возможен расчет параметров модели с распределенным лагом по методу Койка.
Для этого воспользуемся взаимосвязью коэффициентов:
Получаем уравнение с распределенным бесконечным геометрическим лагом:
Средний лаг равен:
Построение модели с распределенным лагом.
Для построения модели с распределенным лагом методом Алмон в статистике разработаны стандартные средства анализа.
Посмотрим полученную модель:
Рис. 5 Полученная модель
Долгосрочный мультипликатор для данной модели будет равен:
В долгосрочной перспективе (например, через 3 мес.) увеличение расходов на экспорт на 1 млрд.$, приведет к общему росту ВВП на 9,8 млрд.$.
Таблица 4 Относительные коэффициенты регрессии в этой модели равны
Следовательно, 54,1% общего увеличения объема ВВП, вызванного ростом затрат на экспорт, происходит в текущем моменте времени; 18,3% — в момент t+1; 1,3 % — в момент t+2; 2,9% — в момент t+3; 23,22% — в момент t+4.
Средний лаг в данной модели определяется как:
Средний период, в течение которого будет происходить изменение результата под воздействием изменения фактора в момент времени t, для модели Койка составляет — 0,68, для модели Алмон — 1,22. Существенные различия в значениях могут быть объяснены избыточным размером выбранного лага для модели Алмон.
Период времени, в который будет реализована половина общего воздействия фактора на результат для модели Койка, составляет — 0,76, для модели Алмон — 0,54.
Разработка экономической политики как на макро-, так и на микроуровне требует решения обратного типа задач, т.е задач, определяющих. Какое воздействие окажут значения управляемых переменных текущего периода на будущие значения экономических показателей. Например, как повлияют инвестиции в промышленность на валовую добавленную стоимость этой отрасли экономики будущих периодов или как может измениться объем ВВП, произведенного в периоде t+1, под воздействием увеличения денежной массы в периоде t. Для этого применяют динамические эконометрические модели.
Примеры похожих учебных работ
Эконометрическая модель
. измерения. В эконометрике разрабатываются специальные методы анализа, позволяющие, если не устранить, то, по крайней мере, . конкурентной среды так или иначе оценивается как работа в условиях неопределенности, которая предусматривает наличие .
Алгоритм обобщенной множественной линейной регрессии и его реализация
. ковариационной матрице регрессионных остатков В эмпирических социально-экономических исследованиях зачастую условия . переменной — ковариационная матрицу вектора оценки где элементы — ковариация оценок параметров и . Таким образом: (1.14) Ковариация .
Анализ регрессии в изучении экономических проблем
. вектором независимых переменных X. Рассмотрим самую употребляемую и наиболее простую из моделей множественной регрессии – модель множественной линейной регрессии. Теоретическое линейное уравнение регрессии имеет вид: Y = β0 + β1X1 + β2X2 .
Основы регрессионного анализа. Парная линейная регрессия
. Парная линейная регрессия. Цель: ознакомиться с основными положениями, понятиями и методами анализа линейной модели парной регрессии. По . достаточную пригодность уравнения регрессии, поэтому проверим его на значимость по критерию Фишера на 5% -ном .
Фиктивные переменные в эконометрике
Можно выделить два основных типа динамических эконометрических моделей. К моделям первого типа относятся модели авторегрессии и модели с распределенным лагом, в которых значения переменной за прошлые периоды времени (лаговые переменные) непосредственно включены в модель. Модели второго типа учитывают динамическую информацию в неявном виде. В эти модели включены переменные, характеризующие ожидаемый или желаемый уровень результата, или одного из факторов в момент времени t. Этот уровень считается неизвестным и определяется экономическими единицами с учетом информации, которой они располагают в момент (t — 1).
В зависимости от способа определения ожидаемых значений показателей различают модели неполной корректировки, адаптивных ожиданий и рациональных ожиданий. Оценка параметров этих моделей сводится к оценке параметров моделей авторегрессии.
Эконометрическое моделирование охарактеризованных выше процессов осуществляется с применением моделей, содержащих не только текущие, но и лаговые значения факторных переменных. Эти модели называются моделями с распределенным лагом.Модель вида является примером модели с распределенным лагом.
Наряду с лаговыми значениями независимых, или факторных, переменных на величину зависимой переменной текущего периода могут оказывать влияние ее значения в прошлые моменты или периоды времени. Например, потребление в момент времени t формируется под воздействием дохода текущего и предыдущего периодов, а также объема потребления прошлых периодов, например потребления в период (t — 1). Эти процессы обычно описывают с помощью моделей регрессии, содержащих в качестве факторов лаговые значения зависимой переменной, которые называются моделями авторегрессии.Модель вида относится к моделям авторегрессии.
Рассмотрим модель с распределенным лагом в ее общем виде в предположении, что максимальная величина лага конечна:
Эта модель говорит о том, что если в некоторый момент времени t происходит изменение независимой переменной xt то это изменение будет влиять на значения переменной у в течение l следующих моментов времени.
Коэффициент регрессии b0 при переменной xt характеризует среднее абсолютное изменение yt при изменении xt на 1 ед. своего измерения в некоторый фиксированный момент времени t, без учета воздействия лаговых значений фактора х. Этот коэффициент называют краткосрочным мультипликатором.
Вмомент (t + 1) совокупное воздействие факторной переменной xt на результату, составит (bо + b1) усл. ед., в момент (t+2) это воздействие можно охарактеризовать суммой (bо + b1 + b2) и т. д. Полученные таким образом суммы называют промежуточными мультипликаторами.
С учетом конечной величины лага можно сказать, что изменение переменной xt в момент t на 1 усл. ед. приведет к общему изменению результата через / моментов времени на(bо + b1 +. +bl) абсолютных единиц.
Введем следующее обозначение:
Величину b называют долгосрочным мультипликатором.Он показывает абсолютное изменение в долгосрочном периоде t + l результата у под влиянием изменения на 1 ед. фактора х.
Предположим βj = bj/b,j = O:l.
Назовем полученные величины относительными коэффициентамимодели с распределенным лагом. Если все коэффициенты bj имеют одинаковые знаки, то для любого j
О 0 обеспечивает одинаковые знаки для всех коэффициентов bj > 0, а ограничение λ
Читайте также: